Sztuczna inteligencja (SI), uczenie maszynowe, deep learning, to pojęcia z którymi coraz częściej spotykamy się w codziennym życiu. Rozwiązania te znajdują również zastosowanie w medycynie- np. do detekcji obszarów nowotworowych, segmentacji struktur biologicznych czy też predykcji odpowiedzi na leczenie. Po co nam SI w medycynie? Co nam to daje? Czy potrzebujemy takich rozwiązań?
Nowe rozwiązania pozwalają na poprawę diagnostyki, skrócenie czasu, ograniczenie zbędnych badań oraz redukcję kosztów. Przykładem gałęzi medycyny, w której SI przyniosło rewolucje są radiologia i cyfrowa patologia, która jest jednym z obszarów, który dynamicznie rozwija się w ostatnich latach. Zastosowanie SI w analizie obrazów medycznych, pozwala nam wykryć wzorce, które nie są widoczne gołym okiem. Dzięki temu możemy poszerzać wiedzę na temat danej choroby, czy też opracować metody wspomagające diagnostykę. Przykładem wykrywania złożonych wzorców, jest zastosowanie SI, a dokładnie głębokich sieci neuronowych, do predykcji występowania mutacji genetycznej MYC+ na podstawie analizy obrazów histopatologicznych chłoniaka rozlanego z dużych komórek B (DLBCL).
Nowe algorytmy SI pozwalają na rozwiązanie zadań, które do teraz nie były rozwiązywalne, przeprowadzenie nowych badań poszerzających naszą wiedzę o chorobach i ich przebiegu oraz na wsparcie pracy ekspertów poprzez automatyzację procesów oceny. Co istotne i warte podkreślenia: systemy te mają za zadanie wspierać lekarzy w ich codziennej pracy, nie zastępować; są to rozwiązania wspierające diagnostykę, a nie diagnozujące.